本文来自微信公众号：镜相工作室，作者：黄依婷，编辑：胡苗，题图来自：视觉中国北京亦庄南海子公园，终点线前。
"天工 Ultra "稳稳地向终点线冲来，镜头、目光、快门声一齐聚拢。去年的北京亦庄人形机器人半程马拉松上，它曾以 2 小时 40 分 42 秒的成绩拿下冠军，是那场赛事的王者。
但在今天的比赛中，触线之后，它没有直行，没有减速，没有停下。机身微微一偏，径直冲入路边绿化带。工程师们上前"急救"，用担架将它抬离赛道。
观众笑称："机器人也被胜利冲昏了头脑。"
没人知道，它是被人群遮挡视线、误判终点为障碍，还是导航在最后一刻失准。这一幕短促、意外，也恰恰照见了机器人行业最直白的现实——进步与失控，只在一瞬间。
人形机器人的发展超乎想象。一年前，人形机器人被拖着完成比赛，参赛机器人的身后，跟着一溜扛着电脑的工程师。他们在一旁牵引、遥控，需要频繁介入纠正方向，更像是一场人机协同接力。
一年后，赛场规则本身发生变化，陪跑员被取消，人工干预被严格限制，场内外换电会直接影响成绩计算，有 40% 的机器人实现了自主导航。人形机器人第一次独立面对一条复杂而漫长的真实道路。但最快完赛时间直接缩短近两个小时，最短完赛时间为 50 分 26 秒，机器人从面前掠过，只剩一道残影。
这条赛道本身也像是为机器人量身设计的一本"难题集"。全长 21.0975 公里，从平地到坡道，从连续弯道到狭窄路段，再到南海子公园内接近 90 度的急弯与下坡组合，十余种地形被串联在一起。对人类跑者来说这都不轻松，对于机器人来说更是挑战，每一个转弯、每一段坡度变化，都是对感知、决策与控制系统的同步拷问。
在这条赛道上，对人形机器人的考验被拆解为多个维度：运动控制决定它能否稳定奔跑，能源管理决定它能跑多远，感知决策决定它能否找对方向，而热管理与机械结构，则构成了这一切能否持续运行的基础。
机器人在成功之余，也交出了一本"错题集"：有的因为高温需要暂停降温，有的突然迷路慌慌张张，有的步伐不稳如醉酒大汉，即便是去年的冠军"天工 Ultra "，也发生了开头那幕。
但一定程度上，失败比成功更有意义。每个失衡、误判、中断，都暴露了机器人在实验室环境里被掩盖的短板。这些真实故障更能让行业看清边界、找到方向。
也正是在这样的背景下，赛场上那些看似细碎的差异，开始变得耐人寻味：为什么有的机器人选择穿鞋，有的坚持裸足？为什么有的步伐大开大合，有的却以高频小步前进？为什么有的外形如婴儿，有的又是成年人的模样？为什么同样的弯道，有的机器人可以流畅通过，有的却必须减速甚至停顿？
围绕这些看似简单的现象，我们邀请了快思慢想研究院院长田丰，以及零零后科技创始人兼 CEO 张振尧，从他们各自的视角对这场"人形机器人半马"进行拆解。
追赶博尔特 ●有的机器人跑得像博尔特，有的像喝多了，它们的速度、步幅差异明显，本质受哪些因素制约？
"在控制能力还不够成熟的情况下，很多系统会主动选择更保守的小步策略。"
田丰：步幅最直接的决定因素，其实是关节电机的扭矩。扭矩越大，机器人"力气"越大，就可以一步迈得更远，这是最基础的物理约束。但这并不是唯一因素，还跟控制算法密切相关。如果控制系统对大步态的稳定性把控不够，它可能会被迫采用小步快走的策略。因为小步的好处在于调整空间更大，一旦姿态有偏差，可以更快修正，整体稳定性更高。这里面一个关键点是系统的响应延迟。人形机器人全身可能有几十个自由度，比如 30 多个关节电机。在迈大步的时候，这些电机需要非常高频、同步地完成姿态调整，对控制系统的实时性要求极高。如果延迟过大，重心来不及修正，就很容易失去平衡、直接摔倒。所以在控制能力还不够成熟的情况下，很多系统会主动选择更保守的小步策略。
至于步频，本质上取决于电机的响应速度和驱动能力，可以理解为控制信号的刷新频率和执行能力。如果电机性能更好、驱动更强，单位时间内可以完成更多次步态循环，步频就能提高。从系统角度看，步频不仅是控制问题，也和电力系统密切相关。因为更高频率的运动意味着更高的功率输出需求，如果供电能力不足，或者电机性能不够，就很难支撑高步频运行。
●为什么今年人形机器人的完赛时间比去年大幅缩短了？
"电动车产业链正在往机器人领域迁移。"
田丰：其实是得益于咱们电动车产业链，这套产业链现在正在往机器人领域迁移。我们可以看到，关节电机、电池这些东西在持续进步，整体性能在提升，同时国产化率也越来越高。另外一个很重要的点是，厂商在算法上的投入也在加大。有的机器人厂商，它一半的研发费用投在"小脑"和"大脑"上，也就是运控和逻辑思考这两部分。这一块其实会带来很大的价值。
●现在机器人需要一边跑一边换电池，有的一场比赛下来换四五次，就不能把电池包扩大吗？
"堆电池容量是下下策。"
张振尧：按照目前电化学的发展，一块电池很难驱动一台身高 1.8 米的全尺寸人形机器人跑完"半马"，这是一个客观现实，所以才会有中途换电或换机器人的方案。接下来的权衡其实就是数学计算。比如，为了避免换电，我们可以把电池包增大，那整机重量、体积就会上升，这意味着电机要输出更大的扭矩来维持相同的奔跑速度，而更大的扭矩意味着更高的电流和发热，最后又要消耗更多的电能 …… 陷入了循环。
所以堆电池容量是下下策。最好的状态是，把电池的重量控制在整机重量的 10%～15%，让人形机器人可以以比较敏捷的步态、依靠多次换电完成比赛。
今年有一个创新点是，有的队伍做到了不断电换电。这是一个非常好的技术路线。原来的换电过程是，把电源线拔掉，系统断开，换电后重启，校准传感器等等，这个过程非常漫长，还存在一些工程上的不确定性。但现在，他们给机器人装上多块电池包，可以先更换一块电池，让备用电池供电，达到不断电、系统不关机的效果。
我们希望用一块电池去完成整个流程，这其实是大家的一个终极梦想。但我们不能指望奇迹——材料学突然发生重大突破，我们要基于现有的情况来看。我认为突破点在"动能回收"，就是从目前这种能耗比较高的"伺服结构"，变成能量回收效率非常高的被动行动状态，比如用腿部的弹性储能机制去回收每一步落地的动能。这其实和新能源车下坡回收动能的设计很类似。
OOTD 有说法 ●为什么有的机器人穿鞋、有的不穿？
"机器人也会磨损‘半月板’。"
张振尧：机器人穿不穿鞋，体现在工程学上就三个指标，地面接触模型、摩擦系数和冲击吸收。机器人每迈出一步，脚接触到地面，会产生体重 2-3 倍的反作用力，如果这个反作用力直接沿着腿部连杆向上传导，它会对踝关节和膝关节造成高频冲击，非常容易发生金属疲劳和断裂。像人一样，跑步、登山多了，半月板会磨损。这里跑鞋的作用就是吸收冲击力，隔离一些高频振动，有效保护机器人的关节和电机。
还有一个，人也能直观感受到，就是跑鞋鞋底的设计。机器人的裸足，一般是金属或碳纤维，摩擦系数比较低，直接接触柏油马路容易发生比较小的位移，不稳定。这种微小的偏移会让机器人的算法出现误差，进而导致重心或空间位置的偏移，甚至引发系统振荡。如果给机器人穿上合适的跑鞋，它能大幅提高静摩擦，也不容易在柏油路面发生微小的位移。尤其是过直角弯时，跑鞋带来的高摩擦力能够帮助机器人维持向心力。
穿鞋也会带来两个小问题。一个是前期训练的模型里，没有把跑鞋柔软的材料、鞋底的厚度放进去，导致机器人不知道自己穿了鞋，可能会对它的算法造成一定扰动，比如踏空。另一个是，鞋子的重量会增加机器人腿部末端的重量，进一步增加腿部能耗。但我觉得这两个问题都不是很大，现在用的强化学习算法有很强的鲁棒性（也称稳健性），给机器人穿一双跑鞋是利大于弊的。
●穿鞋参赛的人形机器人选手。摄：黄依婷
●前两天北京下雨，参赛队伍纷纷给机器人披上雨衣。对于人形机器人来说，防水是一件很难的事吗？
"如果真的做出防水机型，它的整机成本会比现在至少上升五倍。"张振尧：我认为机器人防水是一件非常困难的事情。人形机器人集成了大量传感器和设备，设计之初就没有考虑到要去防水性工况下使用，它的电源接口、关节之间的连接件、甚至很多走线是完全裸露在外的。有的人如果要捣乱，剪掉其中一根电线，就可能导致整个机器人系统的彻底瘫痪。
在当下这个阶段，给人形机器人做防水太复杂了。现在很多团队在机器人的关节处做了很多创新设计，让机器人跑得更高效。这些机械结构是带有实验性的，如果现在就考虑防水性能，我觉得太早了。再进一步，如果真的做出防水机型，它的整机成本会比现在至少上升五倍，其实也不符合人形机器人的商业化落地需求。
高矮胖瘦，各有用途 ●不同参赛机器人在高矮胖瘦上的差异很大，今年最矮的机器人只有 75cm。人形机器人的最优体型是否存在？
"不同应用场景下，人形机器人会有各自更适合的体型。"
张振尧：这个问题其实没有一个标准答案，更准确地说，需要放在具体任务里去讨论。不同应用场景下，人形机器人会有各自更适合的体型。比如体型较小的机器人，它的优势在于整体重量轻、摆动幅度可以做得很高，同时重心低、稳定性好。在受到外界干扰，比如碰撞时，不容易摔倒；即便摔倒，电机和整机受损的风险也更低，而且整体功耗更小。
但它的局限也很明显，单步跨度有限。如果想达到较高速度，就必须依赖更高的步频，这会显著增加电机负载和散热压力。小型机器人对复杂地形的适应能力较差，比如台阶、坑洼等，很容易成为无法跨越的障碍。所以这类形态的机器人更适合室内环境或算法验证，不太适合长距离、复杂路况的户外运动。
再看全尺寸人形机器人，它的优势在于可以更好地利用动力学，比如类似钟摆的被动动力学机制，让腿部摆动更高效，从而在单位距离上的能耗更低。同时，它和人类空间是一一对应的，可以直接复用楼梯、通道等基础设施，不需要额外适配。
但问题在于，一旦摔倒，风险会非常高。因为体重大、势能高，冲击力也更大，很可能直接对整机造成严重损伤。这类机器人对电机性能和控制算法的要求也更高，需要更强的扭矩输出和更精细的平衡控制来避免摔倒。它们更适合工业制造、物流搬运、应急救援等场景，以及需要与人类实现一比一替代的通用任务。
●未来会不会出现专门为跑步优化的非标准人形结构？
"完全复刻人类的双足直立形态，未必是最优解。"
张振尧：如果单纯从"跑得更快、更久"这个目标来看，完全复刻人类的双足直立形态，未必是最优解。自然界中跑得最快的动物，比如鸵鸟，其实并不是标准的人形结构。它的腿部是反关节结构，而且主要肌肉集中在大腿根部，以提高效率和爆发力。类似的思路在机器人设计中也已经出现，比如去年有一款人形机器人，屁股好大，其实那个地方是放了两个硕大的电机，相当于人类的肌肉一样。或者采用更轻量化的材料结构，甚至在某些场景中去掉上半身或手臂。但这类设计更适合特定任务。
从长期来看，如果目标是进入家庭、医院或通用服务场景，人形机器人仍然需要在"类人""仿生"这个方向上收敛。目前比较流行的人形机器人体型，是身高在 1.6～1.8 米、体重在 50 公斤左右的类人机器人。这是综合运动性能、能耗以及与人类生活空间适配性之后，一个相对均衡的结果。
全自主导航的噩梦 ●今年大约 40% 的参赛机器人自己跑，遥控还是占大部分，挑战在哪里？
"人形机器人奔跑产生的冲击力，不仅会损害关节，对感知系统也是噩梦。"
张振尧：自主导航分为两个方面，一是机器人要去感知外部环境，二是根据感知到的外部环境去做决策。感知层面，马拉松赛道和实验室环境差别非常大。比如光照，因为有云层、树的遮挡，还有角度的变换，会发生剧烈的变化。再比如路面，有其他机器人，有观众，有复杂线条。这些必须依赖机器人的视觉、IMU（惯性测量单元，大多用在需要进行运动控制的设备）、激光雷达、关节等传感器的输入，来认知周边环境。这方面现在最大的问题是数据噪声和计算延迟。
数据噪声指人形机器人奔跑产生的冲击力，它不仅会损害关节等机械结构，对感知系统来说也是噩梦。当冲击力瞬间传导到 IMU 系统时，系统会误以为自己处于一个剧烈晃动的环境，进而导致系统失效。这种高频振动也会影响视觉系统，比如产生类似相机"果冻效应"的画面畸变，进一步干扰识别精度。
为了过滤噪声，我们需要给机器人加上滤波算法、搭载深度学习模型。但受制于电池容量，机器人身上搭载的边缘计算芯片算力有限，最终可能会出现感知系统和运动控制系统"抢"算力的情况。感知系统"抢"赢了，运控系统算力不够，机器人可能直接"抽搐"；两个系统"打平手"，算力消耗过大，电机过热，可能整个系统会直接降频甚至瘫痪。
●天工 Ultra 人形机器人冲线后撞入绿化带被抬走。摄：黄依婷
●从去年到今年，为了实现全自主导航，有提出哪些解决方案？"从遥控到自主导航，真正的跨越在于人形机器人的决策能力。"
张振尧：今年最大的提升在高精度全局定位系统的修正以及多系统耦合上。一方面，我们在算法上普及了视觉和 IMU 的里程计，即使视觉短暂丢失，IMU 也可以通过融合算法支撑数百毫秒的推算。当某一个传感器失效时，可以通过其他系统进行状态估计，不需要所有传感器都始终在线。另一方面，这次比赛中使用了高精度 RTK 定位技术，可以提供厘米级的绝对位置参考。这相当于给机器人提供了一个来自太空的坐标系，能够有效解决长距离奔跑中的累计误差问题。某种程度上这是一个开了外挂的能力。感知解决了"我在哪里、我看到了什么、我的状态如何"的输入问题，下一步就是输出。从遥控到自主导航，真正的跨越在于人形机器人的决策能力。它并不在于机器人跑得多快，而在于它的"大脑"能否实时在复杂环境中做出正确的决策。
现在的进展在于，边缘计算系统已经可以实时生成类似栅格地图的环境模型，预测前方行人或其他机器人的运动轨迹，并在数百毫秒内规划出一条平滑的路径，比如如何避让、如何超车。这一套逻辑其实已经非常接近自动驾驶中的路径规划和决策系统。
再往上一个层级，是今年开始尝试引入大模型能力。机器人在面对障碍物时，不再只是执行简单的左转或右转规则，而是可以通过视觉语言模型去理解障碍物的语义，比如这是静态路障还是一个正在移动的人或机器人，从而做出更接近人类的决策。
不过，目前还无法实现百分之百无人干预的全程运行。现实环境中存在大量不可预见的极端情况，比如强光直射导致传感器失效，路面积水带来的干扰等。在这些场景下，系统仍然缺乏足够的常识和自我保护机制，可能只能通过重启来恢复奔跑的状态。
跑马拉松的意义
●为什么一定要让人形机器人跑马拉松？
"马拉松本质上是一个暴露短板的过程。"
田丰：我觉得它其实是一个命题作文。我们在设计这个题目的时候，并不知道是不是所有机器人都能完成，但正因为这样，它才有价值。它把原来实验室里的标准环境，变成了一个真实的、复杂的、充满不确定性的世界。你要看的是，机器人能不能把在实验室里训练出来的速度、效果、智力，真正迁移到现实环境中去。这本质上是在考验它的泛化能力。这件事不是单一能力的比拼，而是一个全产业链能力的体现。过去几年，很多厂商其实是在买产业链上的标准化零部件，但标准品的二次优化空间是有限的。现在你会看到，越来越多厂商开始自研核心零部件，不只是做"大脑"，也在往上游走，根据自己的应用场景去反向定制供应链。
当你的整体能力提升之后，就会产生能力溢出。有的溢出体现在工厂场景，比如手部操作和大脑决策能力，有的溢出体现在马拉松这种场景，就是下肢运动能力、全身平衡能力以及复杂环境适配能力。
所以我觉得马拉松本质上是一个暴露短板的过程。谁做得好，说明系统更均衡，谁做得不好，就可以看到问题在哪里，再去补齐。这是一个很好的训练和筛选机制。
再往后看，这种比赛形式本身也会演化。比如可能会出现越野赛、登山赛、城市路面赛，甚至像人类一样区分短距离冲刺和全程马拉松。短距离更考验峰值速度、爆发力和协调性，长距离则更考验续航、热管理，以及核心零部件的耐久性和系统的长期稳定性。
每一年，环境更复杂、要求更高，逼着整个行业去提升。通过公开的比赛，让问题更早暴露出来，是一件好事。不只是第一名值得关注，那些在比赛中摔倒的机器人，其实同样重要。因为这些失败会产生大量"负样本"数据，而这些数据，对于系统的快速迭代和能力提升，是非常有价值的。
●让人形机器人跑得更快重要吗？
"工厂里不需要跑得特别快，但在搜救场景中，机器人需要和时间赛跑。"
田丰：跑得快这件事有一个关键指标，就是峰值速度。这个峰值速度是一个理论值，因为在真实环境里一定会打折扣。你有热管理、电池这些约束，不可能一直以峰值速度去跑，整体系统也坚持不住。所以一般来说，实际运行速度大概是在峰值的 75% 到 80% 这个区间，已经是一个比较理想的状态了。跑得快的价值在于，我的能力上限在哪里。就像在工厂里，可能不需要跑得特别快，但在搜救场景中，你是需要和时间赛跑的。再比如巡检，移动速度越快，效率就越高。所以不同场景，对速度的需求是不一样的。
我觉得这件事还有点像奥林匹克。奥林匹克本质上是在不断挑战人的专项能力极限，而人形机器人跑马拉松也是一样，不管是手臂的负载能力，还是腿部的运动速度，都需要不断去逼近甚至突破极限。而且这个极限，未来很可能会超过人的生理边界。
倍顺网提示：文章来自网络，不代表本站观点。
